Entrega grupal
Primera pregunta
¿Qué partido fue el ganador en los municipios con más de 100.000 habitantes (censo) en cada una de las elecciones?
Code
colores_partidos <- c("OTRO" = "grey45", "PP" = "#17589d", "PNV" = "#308444",
"PODEMOS-IU" = "#6b1f5f", "VOX" = "#5ac035",
"PSOE" = "#c20e1a", "ERC" = "#fcc34e", "BNG" = "#76b3dd",
"C's" = "#fb5000", "EH-BILDU" = "#1af7db")
ggplot(datos_p1, aes(fill = siglas, values = n)) +
geom_waffle(n_rows = 10) +
facet_grid(~eleccion) +
scale_fill_manual(values = colores_partidos) +
labs(title = "Partidos ganadores en municipios con >100.000 habitantes",
fill = "Partido") +
theme_minimal() +
theme(
legend.position = "bottom",
axis.text = element_blank(),
strip.text = element_text(face = "bold",
size =9),
plot.title = element_text(face = "bold",
hjust = 0.5,
margin = margin(b = 10)),
panel.grid = element_blank())
Segunda pregunta
Code
# DATOS PREGUNTA 2
datos_p2_previo <-
tabla_maestra |>
filter(censo > 100000) |>
slice_max(votos_totales_partido, by = c(anno, mes, cod_poblacion)) |>
distinct(anno, mes, municipio, cod_poblacion, siglas)
# Apartado a: El PSOE es el primer partido
datos_p2_psoe_prim <-
datos_p2_previo |>
filter(siglas == "PSOE")
datos_p2_a <-
tabla_maestra |>
filter(censo > 100000) |>
distinct(anno, mes, municipio, cod_poblacion, siglas, votos_totales_partido) |>
group_by(anno, mes, cod_poblacion) |>
slice_max(votos_totales_partido, n = 2) |>
mutate(rank_grupo = rank(-votos_totales_partido)) |>
filter(rank_grupo == 2) |>
inner_join(datos_p2_psoe_prim, by = c("cod_poblacion", "anno", "mes"), suffix = c("_seg", "_prim")) |>
group_by(anno, mes) |>
count(siglas_seg) |>
ungroup() |>
mutate(
siglas = factor(siglas_seg, levels = unique(siglas_seg)),
eleccion = case_when(
anno == 2008 ~ "2008",
anno == 2011 ~ "2011",
anno == 2015 ~ "2015",
anno == 2016 ~ "2016",
anno == 2019 & mes == "04" ~
"2019 (abril)",
anno == 2019 & mes == "11" ~
"2019 (noviembre)"
)
)
# Gráfico para ver qué partidos son los segundos más votados cuando el PSOE es el primero
ggplot(datos_p2_a, aes(fill = siglas_seg, values = n)) +
geom_waffle(n_rows = 10) +
facet_grid(~eleccion) +
scale_fill_manual(values = colores_partidos) +
labs(title = "Segundo partido más votado tras el PSOE",
subtitles = "en municipios con >100.000 habitantes",
fill = "Partido") +
theme_minimal() +
theme(
legend.position = "right",
axis.text = element_blank(),
strip.text = element_text(face = "bold",
size =9),
plot.title = element_text(face = "bold",
hjust = 0.5,
margin = margin(b = 10)),
panel.grid = element_blank())
Code
# DATOS PREGUNTA 2
# Apartado b: El PP es el primer partido
datos_p2_pp_prim <-
datos_p2_previo |>
filter(siglas == "PP")
datos_p2_b <-
tabla_maestra |>
filter(censo > 100000) |>
distinct(anno, mes, municipio, cod_poblacion, siglas, votos_totales_partido) |>
group_by(anno, mes, cod_poblacion) |>
slice_max(votos_totales_partido, n = 2) |>
mutate(rank_grupo = rank(-votos_totales_partido)) |>
filter(rank_grupo == 2) |>
inner_join(datos_p2_pp_prim, by = c("cod_poblacion", "anno", "mes"), suffix = c("_seg", "_prim")) |>
group_by(anno, mes) |>
count(siglas_seg) |>
ungroup() |>
mutate(
siglas = factor(siglas_seg, levels = unique(siglas_seg)),
eleccion = case_when(
anno == 2008 ~ "2008",
anno == 2011 ~ "2011",
anno == 2015 ~ "2015",
anno == 2016 ~ "2016",
anno == 2019 & mes == "04" ~
"2019 (abril)",
anno == 2019 & mes == "11" ~
"2019 (noviembre)"
)
)
# Gráfico para ver qué partidos son los segundos más votados cuando el PSOE es el primero
ggplot(datos_p2_b, aes(fill = siglas_seg, values = n)) +
geom_waffle(n_rows = 10) +
facet_grid(~eleccion) +
scale_fill_manual(values = colores_partidos) +
labs(title = "Segundo partido más votado tras el PP",
subtitle = "en municipios con >100.000 habitantes",
fill = "Partido") +
theme_minimal() +
theme(
legend.position = "bottom",
axis.text = element_blank(),
strip.text = element_text(face = "bold",
size =9),
plot.title = element_text(face = "bold",
hjust = 0.5,
margin = margin(b = 10)),
panel.grid = element_blank())
Tercera pregunta
¿Cómo calibrar el error de las encuestas (recordemos que las encuestas son de intención de voto a nivel nacional)?
Resultados de las elecciones:
Code
# Preparamos los resultados de las elecciones, vemos qué porcentaje de votos ha ido a cada partido
datos_generales_elecciones <-
tabla_maestra |>
group_by(anno,mes) |>
distinct(anno, mes, cod_poblacion, codigo_ccaa, codigo_provincia, codigo_municipio, codigo_distrito_electoral, censo, votos_blancos, votos_nulos, votos_candidaturas) |>
mutate(censo = sum(censo),
votos_blancos = sum(votos_blancos),
votos_nulos = sum(votos_nulos),
votos_candidaturas = sum(votos_candidaturas),
eleccion = case_when(
anno == 2008 ~ "2008",
anno == 2011 ~ "2011",
anno == 2015 ~ "2015",
anno == 2016 ~ "2016",
anno == 2019 & mes == "04" ~
"2019 (abril)",
anno == 2019 & mes == "11" ~
"2019 (noviembre)")) |>
ungroup() |>
distinct(eleccion, censo, votos_blancos, votos_nulos, votos_candidaturas)
datos_partido <-
tabla_maestra |>
group_by(anno, mes, siglas) |>
mutate(votos_partido = sum(votos),
eleccion = case_when(
anno == 2008 ~ "2008",
anno == 2011 ~ "2011",
anno == 2015 ~ "2015",
anno == 2016 ~ "2016",
anno == 2019 & mes == "04" ~
"2019 (abril)",
anno == 2019 & mes == "11" ~
"2019 (noviembre)")) |>
ungroup() |>
distinct(eleccion, siglas, votos_partido) |>
left_join(datos_generales_elecciones, by = c("eleccion" = "eleccion")) |>
mutate(votos_porc_votantes_cand = round(votos_partido / votos_candidaturas, 2), # Porcentaje sobre la gente que voto candidaturas
votos_porc_censo = round(votos_partido / censo, 2)) # Porcentaje sobre la gente censada,
datos_partido <-
datos_partido |>
mutate(siglas = factor(siglas, levels = c("PP","PSOE","PNV","OTRO","ERC","BNG","PODEMOS-IU","C's","EH-BILDU","VOX"),
ordered = TRUE))
grafico_resultados_elecciones <-
ggplot(datos_partido, aes(x = eleccion, y = votos_porc_votantes_cand, fill = siglas)) +
geom_col(position = "fill") +
geom_text(
aes(
label = ifelse(votos_porc_votantes_cand > 0.08, scales::percent(votos_porc_votantes_cand, accuracy = 1), ""),
y = votos_porc_votantes_cand / 2
),
position = position_fill(vjust = 0.5),
size = 3,
color = "white"
) +
scale_fill_manual(values = colores_partidos) +
labs(
x = "Elecciones",
y = "Porcentaje de votos",
fill = "Partido"
) +
theme_minimal()
grafico_resultados_elecciones
Podemos ver que los resultados de las encuestas se suelen desviar entre cero con algo y 2 puntos porcentuales
Code
# A tibble: 6 × 13
type_survey date_elec id_pollster pollster media field_date_from
<chr> <date> <chr> <chr> <chr> <date>
1 national 2008-03-09 pollster-49 GESOP EL PERIÓDIC ANDOR… 2008-03-05
2 national 2008-03-09 pollster-49 GESOP EL PERIÓDIC ANDOR… 2008-03-05
3 national 2008-03-09 pollster-49 GESOP EL PERIÓDIC ANDOR… 2008-03-05
4 national 2008-03-09 pollster-49 GESOP EL PERIÓDIC ANDOR… 2008-03-05
5 national 2008-03-09 pollster-49 GESOP EL PERIÓDIC ANDOR… 2008-03-05
6 national 2008-03-09 pollster-49 GESOP EL PERIÓDIC ANDOR… 2008-03-05
# ℹ 7 more variables: field_date_to <date>, size <dbl>, turnout <dbl>,
# partidos <chr>, intencion_voto <dbl>, duracion_t_campo <drtn>, siglas <chr>Code
surveys_general <-
surveys_tidy |>
distinct(date_elec, pollster, field_date_from, field_date_to, size, turnout) |>
mutate(personas_turnout = round((size * turnout)/100),0) |>
group_by(date_elec, pollster) |>
mutate(size = sum(size),
personas_turnout = sum(personas_turnout, na.rm = TRUE),
eleccion = case_when(
year(date_elec) == 2008 ~ "2008",
year(date_elec) == 2011 ~ "2011",
year(date_elec) == 2015 ~ "2015",
year(date_elec) == 2016 ~ "2016",
year(date_elec) == 2019 & month(date_elec) == "4" ~
"2019 (abril)",
year(date_elec) == 2019 & month(date_elec) == "11" ~
"2019 (noviembre)")) |>
distinct(eleccion, pollster, size, personas_turnout)
surveys_partido <-
surveys_tidy |>
mutate(votantes = round(((size - turnout)*intencion_voto)/100, 0)) |>
group_by(date_elec, pollster, siglas) |>
mutate(votantes_estimados = sum(votantes, na.rm = TRUE)) |>
distinct(date_elec, pollster, siglas, votantes_estimados) |>
left_join(surveys_general, by = c("date_elec" = "date_elec", "pollster" = "pollster")) |>
mutate(votos_porc_votantes_cand = round(votantes_estimados / (size - personas_turnout), 2),
votos_porc_censo = round(votantes_estimados / size, 2),
eleccion = case_when(
year(date_elec) == 2008 ~ "2008",
year(date_elec) == 2011 ~ "2011",
year(date_elec) == 2015 ~ "2015",
year(date_elec) == 2016 ~ "2016",
year(date_elec) == 2019 & month(date_elec) == "4" ~
"2019 (abril)",
year(date_elec) == 2019 & month(date_elec) == "11" ~
"2019 (noviembre)")) |>
group_by(eleccion, siglas) |>
mutate(media_porc_encuesta = mean(votos_porc_votantes_cand)) |>
ungroup()
# Comparamos los datos reales vs los de las encuestas
comparacion <-
left_join(x = surveys_partido, y = datos_partido, by = c("eleccion" = "eleccion", "siglas" = "siglas")) |>
select (eleccion, pollster, siglas, votos_porc_votantes_cand.x, votos_porc_votantes_cand.y, votos_porc_censo.x, votos_porc_censo.y) |>
mutate(error_relativo_cand = abs(votos_porc_votantes_cand.y - votos_porc_votantes_cand.x) / votos_porc_votantes_cand.y,
error_relativo_censo = abs(votos_porc_censo.y - votos_porc_censo.x) / votos_porc_censo.y,
error_real = (votos_porc_votantes_cand.x - votos_porc_votantes_cand.y) / votos_porc_votantes_cand.y ,
error_positivo_negativo = case_when (error_real >=0 ~ "Positivo", TRUE ~ "Negativo")) |>
drop_na(eleccion)# Propuesta 0 : caja y bigotes
grafico_comparacion_partido <-
ggplot(comparacion, aes(x = error_relativo_cand, y = siglas, fill = siglas)) +
geom_boxplot() +
facet_wrap(~eleccion) +
scale_fill_manual(values = colores_partidos) +
labs(
x = "Error absoluto relativo",
y = "Partido",
fill = "Partido"
) +
guides(fill = "none")
grafico_comparacion_partido
Code
# Propuesta 1 : barras
error_positivo_negativo <-
comparacion |>
group_by(pollster) |>
count(error_positivo_negativo) |>
mutate(totales = sum(n),
porc = round(n / totales,1))
orden_pollsters <-
error_positivo_negativo |>
filter(error_positivo_negativo == "Negativo") |>
arrange(-porc) |>
select(pollster) |>
pull()
error_positivo_negativo <-
error_positivo_negativo |>
mutate(pollster = factor(pollster, levels = orden_pollsters, ordered= TRUE))
ggplot(error_positivo_negativo) +
geom_col(aes( y = pollster, x = porc, fill = error_positivo_negativo)) +
theme(axis.text.y = element_text(size = 7))
Code
# Propuesta 2 : lollipop
# Partido que ganó las elecciones
datos_partido_ganador <-
datos_partido |>
group_by(eleccion) |>
slice_max(votos_partido)
comparacion_filtro <-
comparacion |>
inner_join(y = datos_partido_ganador, by = c("eleccion" = "eleccion", "siglas" = "siglas")) |>
filter(eleccion == "2019 (noviembre)") |>
select(eleccion, pollster, error_real)
orden_pollsters2 <-
comparacion_filtro |>
arrange(- error_real) |>
select(pollster) |>
pull()
comparacion_filtro <-
comparacion_filtro |>
mutate(pollster = factor(pollster, levels = orden_pollsters2, ordered = TRUE))
ggplot(comparacion_filtro, aes(x = pollster, y = error_real)) +
geom_segment( aes(x = pollster, xend = pollster, y=0, yend = error_real), color="grey", size = 1.2) +
geom_point( color="orange", size = 4) +
facet_wrap(~ eleccion) +
theme_light() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(angle = 90)
) +
xlab("") +
ylab("Desviación porc. de los votos reales") +
coord_flip()
Code
# Propuesta 3: lollipop por años con el promedio
comparacion_filtro3 <-
comparacion |>
inner_join(y = datos_partido_ganador, by = c("eleccion" = "eleccion", "siglas" = "siglas")) |>
group_by(eleccion) |>
mutate(promedio_error = mean(error_real)) |>
distinct(eleccion, promedio_error)
ggplot(comparacion_filtro3, aes(x = eleccion, y = promedio_error)) +
geom_segment( aes(x = eleccion, xend = eleccion, y=0, yend = promedio_error), color="grey", size = 1.2) +
geom_point( color="orange", size = 4) +
theme_light() +
theme(
panel.grid.major.x = element_blank(),
panel.border = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(angle = 90)
) +
xlab("") +
ylab("Desviación porc. de los votos reales") +
coord_flip()
Parece que hay algunas empresas encuestadoras que se desvían más que otras, ver cómo poner este gráfico por años
Code
# Propuesta 4: cajas y bigotes por encuestadora
grafico_comparacion_pollster <-
comparacion |>
filter(eleccion == "2015") |>
ggplot( aes(x = error_relativo_cand, y = pollster, fill = pollster)) +
geom_boxplot() +
labs(
x = "Error absoluto relativo",
y = "Encuestadora",
fill = "Encuestadora"
) +
guides(fill = "none") +
facet_wrap(~eleccion)
grafico_comparacion_pollster
Code
## Gráfico de congreso
library(ggpol)
library(ggforce)
# Tenemos que filtar por años, porque la geometria geom_parliament() da problemas
# con las leyends de colores/relleno con los facet wrap si los niveles de las
# leyendas no son exactamente los mismos siempre.
# 2008 #
congreso_2008 <-
congreso |>
filter(eleccion == "2008")
# congreso_2008 |>
# group_by(siglas) |>
# summarise(escannos) |>
# arrange(escannos)
colores_2008 <- c(
"8" = "#17589d", # PP
"9" = "#c20e1a", # SOE
"6" = "#308444", # PNV
"5" = "#808080", # OTRO
"7" = "#308444", # PNV
"10" = "#308444", # PNV
"4" = "#FFD700", #ERC
"3" = "#76b3dd",
"1" = "#76b3dd"
)
congreso_2008_g <-
ggplot(congreso_2008)+
geom_parliament(
aes(
seats = escannos,
fill = siglas,
color = siglas)) +
scale_fill_manual(values = colores_2008) +
scale_color_manual(values = colores_2008) +
guides(color = "none", fill = "none") +
theme(axis.text = element_blank(),
axis.ticks = element_blank(),
panel.grid = element_blank(),
panel.background = element_rect(fill = "white", color = NA)) +
coord_fixed()
congreso_2008_t <-
congreso_2008 |>
filter(eleccion == "2008" ) |>
select(siglas, escannos) |>
arrange(- escannos) |>
filter(escannos > 0)
congreso_2008_tg <-
ggplot(congreso_2008_t, aes(x = 1, y = reorder(siglas, escannos), label = paste(siglas, escannos))) +
geom_text(aes(color = siglas), size = 3.5) + # Añadir texto con colores
scale_color_manual(values = colores_partidos) + # Usa los colores definidos en la tabla
theme_minimal() +
guides(color = "none") +
theme(
axis.text = element_blank(),
axis.title = element_blank(),
axis.ticks = element_blank(),
panel.grid = element_blank()
)
library(gridExtra)
library(grid)
grafico_congreso1 <- grid.arrange(congreso_2008_g, congreso_2008_tg, ncol = 2,
top = textGrob("2008", gp = gpar(fontsize = 12, fontface = "bold")
))
Code
# 2011 #
congreso_2011 <-
congreso |>
filter(eleccion == "2011")
# congreso_2011 |>
# group_by(siglas) |>
# summarise(escannos) |>
# arrange(escannos)
colores_2011 <- c(
"6" = "#17589d", # PP
"7" = "#c20e1a", # SOE
"5" = "#308444", # PNV
"4" = "#308444", # PNV
"3" = "#808080", # OTRO
"2" = "#fcc34e", # ERC
"1" = "#76b3dd" #BNG
)
congreso_2011_g <-
ggplot(congreso_2011)+
geom_parliament(
aes(
seats = escannos,
fill = siglas,
color = siglas)) +
scale_fill_manual(values = colores_2011) +
scale_color_manual(values = colores_2011) +
theme(axis.text = element_blank(),
axis.ticks = element_blank(),
panel.grid = element_blank(),
panel.background = element_rect(fill = "white", color = NA)) +
guides(color = "none", fill = "none") +
coord_fixed()
congreso_2011_t <-
congreso_2011 |>
filter(eleccion == "2011" ) |>
select(siglas, escannos) |>
arrange(- escannos) |>
filter(escannos > 0)
congreso_2011_tg <-
ggplot(congreso_2011_t, aes(x = 1, y = reorder(siglas, escannos), label = paste(siglas, escannos))) +
geom_text(aes(color = siglas), size = 3.5) + # Añadir texto con colores
scale_color_manual(values = colores_partidos) + # Usa los colores definidos en la tabla
theme_minimal() +
guides(color = "none") +
theme(
axis.text = element_blank(),
axis.title = element_blank(),
axis.ticks = element_blank(),
panel.grid = element_blank()
)
grafico_congreso2 <- grid.arrange(congreso_2011_g, congreso_2011_tg, ncol = 2,
top = textGrob("2011", gp = gpar(fontsize = 12, fontface = "bold") ))
Code
# 2015 #
congreso_2015 <-
congreso |>
filter(eleccion == "2015")
#
# congreso_2015 |>
# group_by(siglas) |>
# summarise(escannos) |>
# arrange(escannos)
colores_2015 <- c(
"7" = "#17589d", # PP
"8" = "#c20e1a", # SOE
"9" = "#c20e1a", # SOE
"6" = "#6b1f5f", # Podemos
"1" = "#fb5000", # Cs
"4" = "#808080", # OTRO
"3" = "#fcc34e", # ERC
"2" = "#1af7db", # PNV
"5" = "#006400" #BILDU
)
congreso_2015_g <-
ggplot(congreso_2015)+
geom_parliament(
aes(
seats = escannos,
fill = siglas,
color = siglas)) +
scale_fill_manual(values = colores_2015) +
scale_color_manual(values = colores_2015) +
theme(axis.text = element_blank(),
axis.ticks = element_blank(),
panel.grid = element_blank(),
panel.background = element_rect(fill = "white", color = NA)) +
guides(color = "none", fill = "none") +
coord_fixed()
congreso_2015_t <-
congreso_2015 |>
filter(eleccion == "2015" ) |>
select(siglas, escannos) |>
arrange(- escannos) |>
filter(escannos > 0)
congreso_2015_tg <-
ggplot(congreso_2015_t, aes(x = 1, y = reorder(siglas, escannos), label = paste(siglas, escannos))) +
geom_text(aes(color = siglas), size = 3.5) + # Añadir texto con colores
scale_color_manual(values = colores_partidos) + # Usa los colores definidos en la tabla
theme_minimal() +
guides(color = "none") +
theme(
axis.text = element_blank(),
axis.title = element_blank(),
axis.ticks = element_blank(),
panel.grid = element_blank()
)
grafico_congreso3 <- grid.arrange(congreso_2015_g, congreso_2015_tg, ncol = 2,
top = textGrob("2015", gp = gpar(fontsize = 12, fontface = "bold")
))
Code
# 2016 #
congreso_2016 <-
congreso |>
filter(eleccion == "2016")
# congreso_2016 |>
# group_by(siglas) |>
# summarise(escannos) |>
# arrange(escannos)
colores_2016 <- c(
"6" = "#17589d", # PP
"7" = "#c20e1a", # SOE
"8" = "#c20e1a", # SOE, lo repito porque se quedaba un punto gris
"5" = "#6b1f5f", # Podemos
"3" = "#fb5000", # Cs
"1" = "#808080", # OTRO
"4" = "#308444", # PNV
"2" = "#1af7db" #BILDU
)
congreso_2016_g <-
ggplot(congreso_2016)+
geom_parliament(
aes(
seats = escannos,
fill = siglas,
color = siglas)) +
scale_fill_manual(values = colores_2016) +
scale_color_manual(values = colores_2016) +
guides(color = "none", fill = "none") +
theme(axis.text = element_blank(),
axis.ticks = element_blank(),
panel.grid = element_blank(),
panel.background = element_rect(fill = "white", color = NA)) +
coord_fixed()
congreso_2016_t <-
congreso_2016 |>
filter(eleccion == "2016" ) |>
select(siglas, escannos) |>
arrange(- escannos) |>
filter(escannos > 0)
congreso_2016_tg <-
ggplot(congreso_2016_t, aes(x = 1, y = reorder(siglas, escannos), label = paste(siglas, escannos))) +
geom_text(aes(color = siglas), size = 3.5) + # Añadir texto con colores
scale_color_manual(values = colores_partidos) + # Usa los colores definidos en la tabla
theme_minimal() +
guides(color = "none") +
theme(
axis.text = element_blank(),
axis.title = element_blank(),
axis.ticks = element_blank(),
panel.grid = element_blank()
)
grafico_congreso4 <- grid.arrange(congreso_2016_g, congreso_2016_tg, ncol = 2,
top = textGrob("2016", gp = gpar(fontsize = 12, fontface = "bold") ))
Code
# "2019 (abril)" #
congreso_2019a <-
congreso |>
filter(eleccion == "2019 (abril)" )
# congreso_2019a |>
# group_by(siglas) |>
# summarise(escannos) |>
# arrange(escannos)
colores_2019a <- c(
"8" = "#17589d", # PP
"9" = "#c20e1a", # SOE
"7" = "#6b1f5f", # Podemos
"2" = "#fb5000", # Cs
"5" = "#808080", # OTRO
"6" = "#308444", # PNV
"3" = "#1af7db", #BILDU
"10" = "#5ac035", #VOX
"4" = "#fcc34e" # ERC
)
congreso_2019a_g <-
ggplot(congreso_2019a)+
geom_parliament(
aes(
seats = escannos,
fill = siglas,
color = siglas)) +
scale_fill_manual(values = colores_2019a) +
scale_color_manual(values = colores_2019a) +
guides(color = "none", fill = "none") +
theme(axis.text = element_blank(),
axis.ticks = element_blank(),
panel.grid = element_blank(),
panel.background = element_rect(fill = "white", color = NA))+
coord_fixed()
congreso_2019a_t <-
congreso_2019a |>
filter(eleccion == "2019 (abril)" ) |>
select(siglas, escannos) |>
arrange(- escannos) |>
filter(escannos > 0)
congreso_2019a_tg <-
ggplot(congreso_2019a_t, aes(x = 1, y = reorder(siglas, escannos), label = paste(siglas, escannos))) +
geom_text(aes(color = siglas), size = 3) + # Añadir texto con colores
scale_color_manual(values = colores_partidos) + # Usa los colores definidos en la tabla
theme_minimal() +
guides(color = "none") +
theme(
axis.text = element_blank(),
axis.title = element_blank(),
axis.ticks = element_blank(),
panel.grid = element_blank()
)
grafico_congreso5 <- grid.arrange(congreso_2019a_g, congreso_2019a_tg, ncol = 2,
top = textGrob("2019 abril", gp = gpar(fontsize = 12, fontface = "bold") ))
Code
# "2019 (noviembre)" #
congreso_2019n <-
congreso |>
filter(eleccion == "2019 (noviembre)" )
# congreso_2019n |>
# group_by(siglas) |>
# summarise(escannos) |>
# arrange(escannos)
colores_2019n <- c(
"8" = "#17589d", # PP
"9" = "#c20e1a", # SOE
"7" = "#6b1f5f", # Podemos
"2" = "#fb5000", # Cs
"5" = "#808080", # OTRO
"6" = "#308444", # PNV
"3" = "#1af7db", #BILDU
"10" = "#5ac035", #VOX
"4" = "#fcc34e", # ERC
"1" = "#76b3dd" #BNG
)
congreso_2019n_g <-
ggplot(congreso_2019n)+
geom_parliament(
aes(
seats = escannos,
fill = siglas,
color = siglas)) +
scale_fill_manual(values = colores_2019n) +
scale_color_manual(values = colores_2019n) +
guides(color = "none", fill = "none") +
theme(axis.text = element_blank(),
axis.ticks = element_blank(),
panel.grid = element_blank(),
panel.background = element_rect(fill = "white", color = NA)) +
coord_fixed()
congreso_2019n_t <-
congreso_2019n |>
filter(eleccion == "2019 (noviembre)" ) |>
select(siglas, escannos) |>
arrange(- escannos)
congreso_2019n_tg <-
ggplot(congreso_2019n_t, aes(x = 1, y = reorder(siglas, escannos), label = paste(siglas, escannos))) +
geom_text(aes(color = siglas), size = 3) + # Añadir texto con colores
scale_color_manual(values = colores_partidos) + # Usa los colores definidos en la tabla
theme_minimal() +
guides(color = "none") +
theme(
axis.text = element_blank(),
axis.title = element_blank(),
axis.ticks = element_blank(),
panel.grid = element_blank()
)
grafico_congreso6 <- grid.arrange(congreso_2019n_g, congreso_2019n_tg, ncol = 2,
top = textGrob("2019 noviembre", gp = gpar(fontsize = 12, fontface = "bold") ))
